MusTBench：音乐大模型时间定位基准与训练方法
热点事件持续更新
MusTBench：音乐大模型时间定位基准与训练方法
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Daeyong Kwon 等作者提出 MusTBench，一个带分轨数据和音乐专家校验的基准，通过五类时间定位问答任务评测大型音频语言模型（LALM）的时间定位能力。 配套提出四阶段训练方案 MusT，涵盖音乐编码器适配、LLM 适配、LLM 监督微调与基于强化学习的优化。 作者称实验显示，现有 LALM 在精确时间定位上仍有困难，而 MusT 在不同 LALM 骨干和规模上均能稳定提升性能。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
MusTBench：评测并提升音乐 LLM 的时间定位能力报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.CLMusTBench：评测并提升音乐 LLM 的时间定位能力
研究者推出 MusTBench，一个带分轨数据和音乐专家校验的基准，通过五类时间定位问答任务评测大型音频语言模型（LALM）的时间定位能力。配套提出四阶段训练方案 MusT，涵盖音乐编码器适配、LLM 适配、LLM 监督微调与基于 RL 的优化。实验显示现有 LALM 在精确时间定位上仍有困难，而 MusT 在不同 LALM 骨干和规模上均能稳定提升性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。